自助收銀導致貨損增加，阿里安全如何用視頻識別AI應對？

大多數情況下，開放自由和安全有序是一對反義詞，但阿里安全圖靈實驗室高級專家覺奧希望找到一種方法，讓它們在零售場景完美共存。

在新零售理念潛移默化的影響下，商家愈發追求效率和用戶體驗。他們積極引進新的技術和設備，以減少人工參與，壓縮人力成本並營造盡量開放自由的用戶體驗。

以收銀為例，國內消費者對自助收銀設備已經不再陌生。消費者選購完商品，通過手機APP或收銀台的掃描設備掃描商品並完成結算就可以徑直離開。

這種方便快捷的結算方式甫一推出就受到了年輕消費者的歡迎，調查顯示，66%的消費者均對自助收銀技術表示認可。另一項數據顯示，自助收銀設備在全球的年複合增長率高達15.3%，勢頭十分迅猛。

然而，自助收銀設備提升效率並改善用戶體驗的同時，也增加了商品盜損的風險。

調查結果表明，在英國自助收銀環境下的商品盜損率約為4%，是非自助收銀環境下平均水平的2倍。在美國，這一比例更加懸殊，達到了5倍之多，給零售商造成了沉重的損失。

投入更多人力防止盜損顯然違背了零售商引進自助收銀技術的初衷，理想的辦法是引進更加先進的技術。

零售業常用的防盜損技術有RFID和視頻識別。

RFID技術已經非常成熟，它的優點在於識別率較高，而且能夠用於供應鏈管理；短板則在於後期維護成本高，對金屬、液體不友好。

視頻識別覆蓋範圍廣、可存儲、可追溯，且能夠用於會員和新客的識別；但初期投入大，一家大賣場需要安裝數百個攝像頭，而一個攝像頭的成本就高達上千元。另外，視頻識別的精度也還有很大的提升空間。

作為一個以計算機視覺技術見長的團隊，阿里安全圖靈實驗室決定用視頻識別的方法來解決商品盜損問題。

阿里安全圖靈實驗室高級專家覺奧向雷鋒網介紹，偷盜行為看似簡單，但可以拆解成三個具體環節——可疑人員、拿取行為、付款行為。假如一個可疑人員拿了商品卻沒有付款就離開了門店，便構成了一條完整的偷盜證據鏈。圖靈實驗室的視頻識別防盜損系統重點關注的也是這三個環節。

首先要解決的是可疑人員識別。偷盜行為非常複雜，有些是慣偷，有些只是臨時起意，比如對服務不滿的報複式偷盜。慣偷的識別相對簡單，因為商家的視頻監控系統中一般包含了這些人的照片信息，只需要通過安全AI技術在他進店時將其識別出來並進行事先預警即可。

非慣偷的識別複雜得多，需要藉助一系列行為動作分析。小偷在商場作案時通常有一些慣用手法，比如東張西望尋找視頻監控的盲點。倘若能通過這些行為識別出可疑人員，並第一時間進行干涉，就可以將很多偷盜行為扼殺在襁褓之中。

為此，阿里安全圖靈實驗室走訪了很多公安人員和商場防損員，向他們學習經驗，最後總結出了18個高風險人員特徵。根據這些高風險人員特徵，系統就能第一時間發現可疑人員。

鎖定可疑人員後，系統還會持續追蹤他在貨架、收銀台、出入口等關鍵位置的行為，比如是否拿取了商品，有沒有破壞商品標籤或者故意漏掃商品等。

覺奧向雷鋒網介紹，國內外已經有很多企業在開發基於視頻識別的防盜損系統，其中很多隻針對某一個特定環節，作用有限。要達到更好的防盜損效果，AI還需要學習完成更多更複雜的任務。

據介紹，阿里安全圖靈實驗室的這套針對小偷這類風險人物的防盜損系統主要涉及四項核心技術——目標檢測、身份識別、動作識別和人機交互。

首先，系統需要通過目標檢測技術檢測出人體、背包、商品、貨架、收銀台等需要重點關注的目標。目標檢測的難點在於人、貨架、商品之間會相互遮擋，而且人是在不斷移動的，在攝像頭視野中時隱時現。

其次是身份識別，看可疑人員是否在黑名單中，主要包括人臉識別和人體特徵、屬性識別。目前，1:1的配合式人臉識別技術已經非常成熟。但在零售場景中，通常是1：N或M：N的非配合式人臉識別，難度要大得多。

可疑人員進店時很可能是低著頭的，根本拍攝不到人臉，這時候就需要用到人體特徵或屬性識別，根據高矮、胖瘦、穿著、髮型等特徵進行身份匹配。這樣一來，可疑人員進店後，只要有一個鏡頭拍到了正臉，其餘時間就可以通過人體特徵和屬性來對其進行追蹤，分析其風險行為。

這個過程也不容易，同一個人在同一時段穿同一件衣服，因為光照、環境的原因，成像效果可能天差地別，肉眼很難判斷，這給技術人員提出了很大的挑戰。

然後是動作識別，利用人體的關鍵點特徵，分析可疑人員是否有取貨或付款的動作。

最後是人機交互。確定偷盜行為後，如何第一時間將風險呈現給工作人員，幫助他及時採取應對措施，並通過一套反饋機制，幫助系統不斷修正判定結果。另外，在偷盜行為出現後，系統如何自動整理保存證據——比如截取一段關鍵視頻，也值得關注。

當技術落地到具體的應用場景中，必然會受到許多約束和限制，首先需要考慮的就是成本。

作為一個整體利潤率偏低的行業，零售業對於成本非常敏感。前面提到，基於視頻識別的防盜損系統初期投入巨大；為了平衡投入與產出，業內常用的做法是復用商場內已有的視頻監控攝像頭。這種做法存在一定的缺陷：普通監控攝像頭的特點是視角大，解析度低，獲取的圖像質量不高，給人臉識別演算法提出了極其嚴峻的考驗。

實時性也是AI防盜損系統在實際應用中非常重要的一個點。偷盜行為的事後追溯成本較高，對零售企業是一項沉重的負擔。最好的辦法是能夠防患於未然，這就給系統的算力和演算法優化提出了更高的要求。

必須承認，百密難免一疏。即使技術人員投入了很多精力打磨產品，系統也很有可能出現「失察」的情況。過去事後追溯需要人工回看錄像，效率非常低下。如果能夠利用AI技術幫助保安人員快速定位出丟失的東西是誰拿走的，無疑是非常有價值的。

另外，過去為了方便事後追溯，需要將所有視頻信息一幀不漏地保存下來，成本不菲。覺奧認為，如果能利用AI系統對信息進行篩查，只保留最關鍵的部分，就可以提高視頻存儲的效率。「之前系統只能存儲一個月的信息，我們這樣做就能存儲一年甚至十年的信息」。

不難預見，隨著自助收銀技術的普及，對防盜損系統的需求勢必會愈發強烈。而阿里安全圖靈實驗室的探索和實踐證明視頻識別路線是可行且富有前景的。覺奧向雷鋒網表示，除了防盜，未來阿里安全圖靈實驗室的這套系統也會在客流分析、貨架分析等方向做一些正嚮應用，一來提高系統的性價比，二來也有利於其快速普及。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！